jannisborn/paperscraper

解决的问题

研究人员通常需要从多个来源（PubMed、arXiv、预印本服务器）收集出版物元数据和全文，并跟踪引文指标，手动操作既繁琐又容易出错。Paperscraper 提供了一个统一的 Python 接口来自动化这些任务，包括批量下载预印本档案和引文计数。

工作原理

这是一个通过 pip 安装的 Python 包。您可以直接查询 PubMed、arXiv 或 Google Scholar。对于 bioRxiv、medRxiv 和 chemRxiv，您首先下载整个档案的本地转储（JSONL 文件），然后在本地搜索。该包还提供按 DOI 检索 PDF、从 Google Scholar 或 Semantic Scholar 获取引文计数，以及计算论文的自引/自参考分数的功能。关键词搜索通过嵌套列表支持布尔逻辑（AND/OR）。

适用人群

任何以编程方式处理科学文献的人：研究人员、文献综述者和数据科学家，他们希望收集元数据、下载论文或分析引文模式。

亮点

• 从 PubMed、arXiv、bioRxiv、medRxiv、chemRxiv 抓取出版物元数据。
• 按 DOI 下载全文 PDF 或 XML。
• 从 Google Scholar（通过 SearchApi）和 Semantic Scholar 获取引文计数和搜索结果。
• 提供期刊影响因子查询。
• 支持日期限定的抓取和预印本服务器的批量档案下载。
• 包含每篇论文的自引和自参考分析。
• 支持布尔（AND/OR）逻辑的关键词搜索。